Nuovo standard AOAC per la determina

Nuovo standard AOAC per la determinazione di umidità, grasso e proteine nella
carne e nei prodotti derivati
FoodScan™ Lab
Sempre più aziende seguono delle “buone pratiche” di lavoro, definite
con il termine generico di GxP, e sono per queste accredidate, ad esempio Good Manufacturing Practice (GMP), Good Agricultural Praxis
(GAP), Good Laboratory Praxis (GLP), norme ISO 22000 e ISO 17025.
Se, per esempio, nella descrizione merceologica di prodotti a base di
carne si applica una dichiarazione CL (chemical lean) spesso questa
deve essere comprovata per mezzo di un metodo approvato o almeno
da un metodo che è stato valutato rispetto ad un sistema di riferimento
conosciuto.
Tuttavia i metodi tradizionali di analisi chimica prevedono processi
lunghi e possono richiedere diverse ore prima di generare dei risultati,
cosa che, in molte aziende, ostacola le decisioni da prendere in tempo
reale sulla produzione e sulla qualità del prodotto. La tecnologia basata
sul vicino infrarosso (NIR) permette di ottenere i risultati rapidamente,
in 50 s, per costituenti multipli ed è decisamente adatta ad ambienti
produttivi con alta capacità. L’industria della carne usa regolarmente la
tecnologia NIR da molti anni. Poiché non c’erano metodi NIR approvati ufficialmente per la carne e i derivati, FOSS ha deciso di sviluppare
un metodo standard per il FoodScan™ con le calibrazioni ANN (Artificial Neural Network) in collaborazione con AOAC International. Il
metodo è stato valutato con uno studio collaborativo e adottato come
metodo ufficiale AOACSM 2007.04[1] applicabile a carne e derivati. Recentemente è stato pubblicato un rapporto su questo studio[2].
Il FoodScan™ e le calibrazioni ANN
La calibrazione ANN è una tecnica di calibrazione fatta per emulare
la funzione basilare del cervello umano nella risoluzione di problemi
complessi. Il modello ANN ha la capacità di descrivere le relazioni sia
lineari che non lineari tra le caratteristiche spettrali e le analisi di composizione. Si è trovato che i modelli ANN offrono prestazioni superiori,
rispetto ad altre tecniche di calibrazione come Partial Least Squares
(PLS). Inoltre, i modelli di calibrazione PLS spesso non sono in grado
di descrivere in modo adeguato una gamma molto ampia di campioni,
caratteristiche fisiche e composizione utilizzando una sola calibrazione.
Si è scelta la tecnica ANN per le calibrazioni relative alla carne per la
sua capacità di generare una calibrazione unica, globale, multiprodotto,
14
su tutto il campo di misura, per ciascun costituente. In questo modo, la
tecnologia ANN evita la necessità di sviluppare e mantenere calibrazioni separate per livelli di analita o tipi di campione specifici.
Le calibrazioni ANN necessitano di un database dove siano rappresentae tutte le variabilità dei campioni analizzabili ed i risultati delle
analisi chimiche di ciascun analita. Il database del FoodScan (Tabella 1) contiene un numero enorme di campioni che coprono un’ampia
gamma per i costituenti grasso, umidità e proteine. Il FoodScan, con le
calibrazioni ANN “ricerca” le caratteristiche dello spettro del campione
di analisi dal database e prevede i risultati.
Il campione è collocato in una tazza e posizionato dentro il FoodScan. La tazzina portacampioni viene fatta girare per eseguire l’analisi
su varie zone del campione, di queste viene quindi calcolata la media
per dare il risultato finale. Questa procedura fornisce un risultato più
rappresentativo da campioni potenzialmente non omogenei.
Validazione delle calibrazioni pre-studio collaborativo
Prima di condurre lo studio collaborativo, è stata valutata l’accuratezza
del FoodScan FOSS e sono state valutate le calibrazioni ANN. Utilizzando gruppi di dati indipendenti (campioni che non facevano parte del
gruppo di dati di calibrazione) i risultati ottenuti con il FoodScan sono
stati paragonati a quelli ottenuti con metodi basati su analisi chimiche in
laboratorio. I gruppi di validazione erano composti da circa 1200-1400
campioni provenienti da diversi paesi e comprendevano: vari tipi di
prodotto (manzo, pollame, maiale, prodotti freschi, in corso di lavorazione e finiti), strumenti multipli, da stabilimenti e laboratori diversi che
fornivano i valori delle analisi chimiche. I risultati di questo studio di
validazione sono riassunti in Tabella 2 e figura 1.
La performance (accuratezza) dei metodi secondari dipende dalla
qualità dell’analisi chimica o metodo “primario” usato per generare la
calibrazione e per la successiva validazione.
Studio collaborativo
Lo studio collaborativo è stato condotto per valutare la reperibilità e la
riproducibilità dello spettrofotometro FoodScan NIR di FOSS con un
modello e un database di calibrazioni ANN per la determinazione di
grasso, umidità, e proteine nella carne e nei derivati, secondo il proto-
Vol. 32, No 1, 2008
Presentazione del campione
collo armonizzato IUPAC/ISO/AOAC [3].
Hanno partecipato allo studio collaborativo, il direttore dello studio e
15 laboratori di stabilimenti di lavorazione della carne. I laboratori sono
stati selezionati in modo da essere rappresentativi di quelli che avrebbero usato il metodo proposto di routine e sulla base della disponibilità
degli strumenti necessari.
I campioni per lo studio sono stati scelti in modo da rappresentare la maggior parte dei prodotti dall’industria della carne destinati al
commercio (manzo, maiale, e pollame) e comprendevano carne cruda,
emulsioni e prodotti finiti. Tutti i campioni erano naturali, reali e nessun
campione è stato adulterato. Per lo studio collaborativo si sono utilizzati 10 campioni di carne preparati in coppie di doppi ciechi per un totale
di 20 campioni. Di questi campioni, 6 erano di carne fresca, 2 erano
emulsioni e 2 prodotti finiti (curati).
I campioni sono stati valutati per determinarne l’omogeneità e i valori di riferimento delle analisi chimiche per mezzo di un laboratorio
indipendente accreditato.
I campioni dello studio sono stati macinati in base al Metodo Ufficiale AOACSM 983.18. Un campione di carne macinata di circa 180 g è
stato posto in un piatto di circa 140 mm. I campioni sono stati imballati
a freddo (2-4°C), e spediti con trasporto notturno a temperatura di refrigerazione ai collaboratori per evitarne il deterioramento e/o la perdita
d’acqua. I collaboratori dovevano mettere il piatto nel FoodScan e riportare i risultati ottenuti in percentuale (g/100 g) di grasso, umidità, e
proteine entro 24 ore.
Risultati
I risultati dello studio sono riassunti nelle tabelle da 4 a 6, che illustrano
la ripetibilità r (2,8 × sr, deviazione standard ripetibilità) e la riproducibilità (2,8 × sR, deviazione standard riproducibilità) per i risultati del
laboratorio di riferimento (solo ripetibilità), per i metodi di riferimento
usati (ottenuti dagli studi di validazione per i rispettivi metodi) e per il
FoodScan, ottenuti in questo studio. A titolo di paragone, si danno anche i valori SEP per le calibrazioni ANN del FoodScan ANN, ottenuti
nello studio di validazione.
Per proteine e umidità, i dati dallo studio collaborativo con il FoodScan hanno dimostrato ripetibilità e riproducibilità simili rispetto ai
Vol. 32, No 1, 2008 Parametro
N
Media
Min
Max
Grasso
21 879
22,5%
0,1%
86,1%
Umidità
19 100
57,7%
9,7%
81,5%
Proteine
17 762
15,7%
3,1%
48,8%
Tabella 1: Numero di campioni (N) usati e intervalli coperti dal modello ANN
Parametro
Grasso
Umidità
Proteine
N
1403
1197
1226
SEP (%)
0,78
0,72
0,62
RSQ
0,9949
0,9968
0,9744
Mean (%)
21,1
59,3
16,0
Min (%)
0,3
21,1
6,4
Max (%)
70,6
82,0
31,4
Tabella 2: Riassunto della validazione delle calibrazioni ANN.
N: Numero di campioni nel gruppo di dati di validazione indipendenti.
Accuratezza: Accuratezza generale espressa come SEP costituente % w/w.
RSQ: Coefficiente di correlazione lineare tra i risultati del FoodScan™ e
i risaltati dell’analisi chimica.
Media: Valore medio del gruppo di validazione.
Min: Valore minimo del gruppo di validazione.
Max: Valore massimo del gruppo di validazione.
FoodScan
Predicted Values
FoodScan™ Pro con touch screen
Moisture
Fat
Protein
Reference Values
Figura 1: Correlazione dei valori ottenuti con l’analisi chimica con i valori
previsti dal FoodScan™
Continua a pagina 16
15
Campione
Proteine
Grasso
Umidità
Manzo, basso contenuto
di grasso
17,8
16,8
65,2
Manzo, alto contenuto
di grasso
15,6
29,3
54,4
Maiale, basso contenuto
di grasso
17,2
22,3
61,2
Maiale, alto contenuto
di grasso
14,7
31,9
53,4
Petto di pollo
22,4
3,3
73,8
Petto di tacchino
24,5
1,5
73,9
Salame piccante
20,5
41,9
Salame
20,4
Hot Dog
Salsiccia
Proteine
r
R
Laboratorio di riferimento
0,34-1,68
AOAC 992.15
0,34-1,15
0,50-1,29
FoodScan™
0,20-0,92
0,31-2,21
SEP FoodScan™
0,62
Tabella 4: Ripetibilità (r) e riproducibilità (R) del FoodScan™ rispetto a Laboratorio di riferimento, metodo di riferimento e SEP per la determinazione delle
proteine
Grasso
r
R
28,9
Laboratorio di riferimento
0,28-3,28
33,8
39,6
AOAC 960.39
0,34-6,95
0,42-8,76
16,4
15,4
63,3
FoodScan™
0,14-0,92
0,36-1,23
17,3
8,1
68,5
SEP FoodScan™
Tabella 3: Campioni dello studio e risultati ottenuti dalle analisi di riferimento
(media % di dieci repliche)
0,78
Tabella 5: Ripetibilità (r) e riproducibilità (R) del FoodScan™ rispetto a
Laboratorio di riferimento, metodo di riferimento e SEP per la determinazione
del grasso
Grasso
Laboratorio di riferimento
r
R
0,62-2,32
Continua da pagina 15
ISO 1442
0,67-0,73
1,01-1,15
dati corrispondenti dei metodi di riferimento basati su analisi chimiche.
Per la determinazione del grasso, il FoodScan ha dimostrato migliore ripetibilità e riproducibilità. La deviazione standard relativa intralaboratorio (ripetibilità) (RSDr) va da 0,22 a 2,67% per il grasso, da
0,23 a 0,92% per l’umidità, e da 0,35 a 2,13% per le proteine. La deviazione standard relativa inter-laboratori (riproducibilità) (RSDR) va
da 0,52 a 6,89% per il grasso, da 0,39 a 1,55% per l’umidità, e da 0,54
a 5,23% per le proteine.
Sulla base dei risultati dello studio collaborativo il FoodScan
FOSS con metodi ANN ha ottenuto l’Official First Action da AOAC
INTERNATIONAL, e di conseguenza è stato adottato come Metodo
2007.04[1].
FoodScan™
0,36-1,57
0,45-2,02
Riferimenti
[1] Official Methods of Analysis (2007) 18a Ed., AOAC International,
Gaithersburg, MD, Method 2007.04
[2] Anderson, S., Determination of Fat, Moisture, and Protein in Meat
and Meat Products by Using the FOSS FoodScan™ Near-Infrared
Spectrophotometer with FOSS Artificial Neural Network Calibration
Model and Associated Database:Collaborative Study, Journal of the
AOAC International Vol. 90, No. 4, Luglio 2007, pagine 1073-1083.
[3] AOAC Official Methods Program Manual (2002), Appendice D:
Guidelines for Collaborative Study Procedures to Validate Characteristics of a Method of Analysis, http://www.aoac.org

Shirley Anderson*
* Scritto da Jürgen Möller ([email protected]), FOSS, in memoria di Shirley
Anderson, compianto Direttore dello studio collaborativo. L’articolo si basa sul
rapporto dello studio fatto da S. Anderson.
16
SEP FoodScan™
0,72
Tabella 6: Ripetibilità (r) e riproducibilità (R) del FoodScan™ rispetto a
Laboratorio di riferimento, metodo di riferimento e SEP per la determinazione
dell’umidità
Poco dopo l’assegnazione dello
stato di First Action al metodo,
il Direttore dello Studio Shirley
Anderson (FOSS Nord America,
Eden Prairie, Minnesota, USA)
è deceduta prematuramente il
2 maggio 2007. FOSS dedica
questo studio AOAC alla sua
memoria e alla memoria del suo
diligente lavoro a favore di quei
progressi che hanno permesso
all’industria di mantenere l’eccellenza in una vasta gamma di
settori, di prodotti e costituenti.
“È stata felicissima di sapere
che il metodo aveva ottenuto lo status di First Action,” ha dichiarato
Jo Rita Jordan, Coordinatore del progetto AOAC, che ha dato la
buona notizia a S. Anderson. “Si tratta di un metodo tecnicamente
innovativo, e Shirley è stata un ottimo Direttore dello Studio guidandolo per tutto il processo dello studio collaborativo.”
Vol. 32, No 1, 2008